[发明专利]一种基于深度学习的2型糖尿病患者脑结构认知障碍分类方法

权利要求书

1.一种基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，包括：

提取标记脑认知障碍的全脑3D图像，进行脑剥离处理,获取脑认知障碍对应的脑部区域图像，并划分训练集和测试集；

构建11层的3D CNN网络模型，并将作为训练集的脑部区域图像输入3D CNN网络模型中进行训练，调节网络参数与函数，至输出的结果为准确分类结果为止，训练完成后将作为测试集的脑部区域图像输入3D CNN网络模型，验证3D CNN网络模型的准确性；

将实时的全脑3D图像输入训练完成的3D CNN网络模型，通过网络模型的计算，输出的结果作为对输入的全脑3D图像是否有认知障碍的分类结果。

2.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，在获取脑认知障碍对应的脑部区域图像的步骤中，包括步骤：

通过图像处理手段获取全脑3D图像中脑结构的重心位置；

以脑结构的重心位置为坐标原点，构建空间三维坐标系，其中，Z轴为左右半脑中心位置，并依据Z轴建立X轴和Y轴；

确定重心及坐标系后，在X轴方向上重心前32体素至重心后31体素共64体素范围、Y轴方向上重心向下30体素到重心向下39体素之间共10个体素范围、Z轴的重心左右64体素范围内，提取体素64*64*10的图像作为脑部区域图像。

3.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，在获取脑认知障碍对应的脑部区域图像的步骤之后，还包括训练集数据增强的步骤；通过3D的旋转操作进行扩增为原先的10倍数据量。

4.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，在获取脑认知障碍对应的脑部区域图像的步骤之后，还包括图像预处理的步骤，包括：

灰度标准化，包括窗口宽度，窗口级别和像素归一化。

5.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，通过训练曲线观察训练集和测试集的loss曲线，若呈现下降趋势,则3D CNN网络模型学习成功率总体呈现上升趋势。

6.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，在对训练好的网络的准确性进行判断的步骤中，通过LDH和FA值评估2型糖尿病患者的认知障碍的发展程度。

7.根据权利要求1所述的基于深度学习的2型糖尿病患者脑结构认知障碍分类方法，其特征在于，在获取脑认知障碍对应的脑部区域图像的步骤中，2型糖尿病脑衰老所致认知障碍的脑影像标志物13个，包括处于白质微小结构发生异常改变脑区的扣带回、右侧额叶、左侧顶叶、小脑蚓、双侧丘脑、右侧颞中回，及处于功能连接减弱脑区的额叶、顶叶、颞叶、丘脑、基底节、小脑半球及脑干。